中共二十大报告传递中国经济确定性******

　　(中共二十大·观察)中共二十大报告传递中国经济确定性

　　中新社北京10月17日电 (记者 王恩博)确定性，这个当今世界的“稀缺品”，大量体现在中共二十大报告绘制的中国经济蓝图中。提出一系列新观点、新论断的同时，报告也以诸多具有连贯性、一致性的表述，传递出关于中国经济的稳定预期。

　　“发展”的地位进一步明确。二十大报告提出，发展是党执政兴国的第一要务。这与十九大报告中“发展是解决中国一切问题的基础和关键”的表述一脉相承。

　　幼有所育、学有所教、劳有所得、病有所医、老有所养、住有所居、弱有所扶，作为一个大国，中国发展中的各项目标都需要财力物力保障，这归根结底要以稳定而可持续的经济发展为支撑。

　　2013年至2021年，中国国内生产总值年均增长6.6%，高于同期世界和发展中经济体平均增长水平。这一时期，恩格尔系数降低至30%以下，居民生活水平进一步提高。正是经济实力的大幅提升，让发展成果惠及全体人民成为可能。

　　二十大报告强调“高质量发展是全面建设社会主义现代化国家的首要任务”，折射出中共对“发展”的重视一以贯之。“建设现代化产业体系”“加快发展方式绿色转型”等要求，则意味着中国经济将因应形势，不断改进发展“方程式”。

　　改革的方向也得到延续。“坚持社会主义市场经济改革方向”，连续两次党代会报告，这个表述一字不差。

　　十年来，中国共推出2000多个改革方案，涉及经济社会各领域，涵盖衣、食、住、行、教育、医疗、养老等各方面，十八届三中全会部署的改革任务总体完成，十九大以后部署的新改革任务接续推进。

　　如今改革行至中流，剩下的多是“硬骨头”。在推动科技高水平自立自强、建设高标准市场体系、防范化解风险、促进经济社会发展全面绿色转型等方面，尤其如此。

　　“把实施扩大内需战略同深化供给侧结构性改革有机结合起来”“加快建设现代化经济体系”“深化农村土地制度改革”……二十大报告中的改革相关部署，多落脚在亟待突破的堵点，以及微观务实的细节。

　　这将成为持续激活中国发展潜能的“钥匙”。中国国家发改委体改司副司长蒋毅表示，中国将用足用好改革这个“关键一招”，为经济社会平稳健康发展注入强大动力。

　　“开放”的决心有增无减。二十大报告明确“推进高水平对外开放”，在此前“推动形成全面开放新格局”的基础上，中国开放的大门只会越开越大。

　　过去十年，共建“一带一路”成为深受欢迎的国际公共产品和国际合作平台，中国成为140多个国家和地区的主要贸易伙伴，货物贸易总额居世界第一，吸引外资和对外投资居世界前列，对外开放的平台更高、范围更宽。

　　随着二十大报告进一步提出“稳步扩大规则、规制、管理、标准等制度型开放”“营造市场化、法治化、国际化一流营商环境”“深度参与全球产业分工和合作”，中国对外开放料将走向更深层次、更优格局。

　　这无疑是世界的利好。中国人民大学重阳金融研究院高级研究员何伟文认为，中国打开国门，面向全世界合作，将获得广阔发展空间，也将为各国合作共赢提供强大支撑。

　　“民生”的思维贯穿始终。“增进民生福祉，提高人民生活品质”，这个历来被中共视作工作出发点、落脚点的议题，在二十大报告中不出意外占据相当篇幅。

　　收入是民众最有感的关键指标之一。报告提出，努力提高居民收入在国民收入分配中的比重，提高劳动报酬在初次分配中的比重。“促进机会公平，增加低收入者收入，扩大中等收入群体”的细致要求也被写入其中。中国的“民富”与“国富”已走上同一条轨道。

　　当然，随着中国人对美好生活的需求更加丰富、全面，“民生”二字不再是单一领域的概念，更演变成综合性、多向度的载体。由此，“实施就业优先战略”“健全社会保障体系”“推进健康中国建设”等任务，在报告中都得到具体阐述。

　　“治国有常，利民为本”，当保障和改善民生从理念到执行层面都得到更好贯彻，中国人的获得感、幸福感、安全感将更加充实、更有保障、更可持续。(完)

提速近10倍！基于深度学习的全基因组选择新方法来了******

　　近日，中国农业科学院作物科学研究所、三亚南繁研究院大数据智能设计育种创新团队联合多家单位提出利用植物海量多组学数据进行全基因组预测的深度学习方法, 可以实现育种大数据的高效整合与利用，将助力深度学习在全基因组选择中的应用，为智能设计育种及平台构建提供有效工具。相关研究成果发表在《分子植物（Molecular Plant）》上。

　　全基因组选择作为新一代育种技术，通过构建预测模型，根据基因组估计育种值进行早期个体的预测和选择，从而缩短育种世代间隔，加快育种进程，节约成本，推动现代育种向精准化和高效化方向发展。

　　统计模型作为全基因组选择的核心，极大地影响了全基因组预测的准确度和效率。传统预测方法基于线性回归模型，难以捕捉基因型和表型间的复杂关系。

　　相较于传统模型，非线性模型（如深度网络神经）具备分析复杂非加性效应的能力，人工智能和深度学习算法为解决大数据分析和高性能并行运算等难题提供了新的契机，深度学习算法的优化将会提高全基因组选择的预测能力。

　　该研究团队以玉米、小麦和番茄3种作物的4种不同维度的群体数据为测试材料，通过创新深度学习算法框架开发了全基因组选择新方法。

　　与其他五种主流预测方法相比，该方法有以下优点： 可以利用多组学数据开展全基因组预测；算法设计中包含批归一化层、回调函数和校正线性激活函数等结构，可以有效降低模型错误率，提高运行速度；预测精度稳健，在小型数据集上的表现与目前主流预测模型相当，在大规模数据集上预测优势更加明显；计算时间与传统方法相近，比已有深度学习方法提速近10倍；超参数调整对用户更加友好。

　　该研究得到了国家重点研发计划、国家自然科学基金、海南崖州湾种子实验室和中国农业科学院科技创新工程等项目的支持。

学术支持

中国农业科学院作物科学研究所

记者

宋雅娟